Tractable contextual bandits beyond realizability
超越可实现性假设的可计算上下文老虎机算法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要聚焦上下文老虎机的计算与遗憾理论，未明确涉及所列经济计量方向，现有分类证据不足。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
超越可实现性假设的可计算上下文老虎机算法
- 研究问题
- 真实期望奖励函数不属于预设模型类时，能否仍构造可计算的上下文老虎机算法，并明确刻画模型误设带来的遗憾代价？
- 方法与思路
- 作者提出每个阶段求解一次约束回归的算法，用模型类中最佳预测模型与真实奖励模型之间的均方误差衡量误设。
- 材料陈述的贡献
- 摘要称算法的遗憾保证在原有界之外增加误设项，该项随总步数增长，并揭示可计算算法中的偏差与方差权衡。
- 阅读关注点
- 应核对约束回归的形式与求解成本、误设项的精确函数形式，以及遗憾保证所需的奖励、模型类和数据条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未给出误设项公式和完整条件，不能将其理解为不受误设影响。
原文摘要
Tractable contextual bandit algorithms often rely on the realizability assumption - i.e., that the true expected reward model belongs to a known class, such as linear functions. In this work, we present a tractable bandit algorithm that is not sensitive to the realizability assumption and computationally reduces to solving a constrained regression problem in every epoch. When realizability does not hold, our algorithm ensures the same guarantees on regret achieved by realizability-based algorithms under realizability, up to an additive term that accounts for the misspecification error. This extra term is proportional to T times a function of the mean squared error between the best model in the class and the true model, where T is the total number of time-steps. Our work sheds light on the bias-variance trade-off for tractable contextual bandits. This trade-off is not captured by algorithms that assume realizability, since under this assumption there exists an estimator in the class that attains zero bias.